摘要：研究了轮式移动机器人的领导跟随一致性问题,提出了预定时间一致性控制算法。首先,在有向图下,为每个跟随者提出一个分布式观测器,使其在预定时间内估计领导者状态。其次,基于观测器和构造的双幂次趋近律、非线性流形,设计了一种新的控制器,使得估计的领导者状态在预定时间内被跟踪。再次,引用了一个切换协议和一个线性流形,以确保在不引起奇异性问题的情况下,控制器在任何初始条件下均能实现预定时间的领导跟随一致性。然后,通过代数图论和李雅普诺夫理论证明系统的预定时间稳定性。最后,通过仿真对比实验验证了所提算法的有效性和优越性。相较于有限时间控制器,所提控制器收敛时间不依赖于初始状态,且收敛效果更好;相较于固定时间控制器,本文控制器收敛时间设定简单,可直接通过单一参数预先设定系统收敛时间。

摘要：由于施工和制造误差使得铁路工程结构参数不可避免地具有不确定性,同时作为系统主要自激励的轨道不平顺亦具有明显的随机性和时变性,因此,探明不确定因子对列车和轨道-桥梁结构动态性能的影响非常重要。为了高效地完成列车-轨道-桥梁系统随机性能分析,建立列车-轨道-桥梁空间振动分析模型,采用轨道不平顺概率模型和谱表达-随机函数的方式在有限随机变量空间中实现轨道不平顺随机过程的高效模拟。引入概率密度积分方程和直接概率积分法发展了列车-轨道-桥梁系统随机动力方程和相应的计算求解策略。基于MATLAB实现了列车-轨道-桥梁随机振动的直接概率积分法分析程序,计算了全概率不平顺激励和参数随机条件下车-轨-桥系统振动响应的均值、标准差和时变的概率密度信息。研究结果表明:与概率密度演化分析方法相比,直接概率积分法可较好地反映行车过程中系统响应的概率密度特征,然而其在系统响应随机后处理时更为高效,其效率可提高1~2个数量级。此外,考虑轨道不平顺全概率激励更能准确地反映行车过程系统响应的概率特征,平均概率谱可能使得计算结果偏于保守;行车速度对于列车和桥梁动态行为的影响是显著的,随着行车速度的增加系统响应的范围逐渐变大。研究结果进一步拓展了列车-轨道-桥梁随机系统的分析方法,可以高效地用于系统状态评估和设计优化。

摘要：高铬铸铁堆焊层因其较高的耐磨性而广泛应用于各种大型工业设备的内部衬板,研究发现Mo系碳化物可为初生碳化物的生成提供形核点从而细化组织,但Mo元素除了提供形核点外是否对组织存在别的作用仍尚待研究。为了研究Mo含量对高铬铸铁堆焊层组织与性能的影响,设计了一种含Mo超高碳高铬堆焊耐磨板,利用XRD、SEM分析了Mo元素对堆焊层组织、相组成以及磨损后堆焊层表面和纵截面的影响,利用EDS分析了元素在各相中的分配情况,并进一步利用硬度和干砂磨料磨损试验,研究了Mo合金化对高铬高碳堆焊层硬度和耐磨性的影响。结果表明,Fe-Cr-Mo-C合金堆焊层组织主要由γ相、M_(7)C_(3)(M=Fe、Cr)组成。随着Mo含量的提高,堆焊层内初生碳化物含量降低,奥氏体含量增加,单个初生碳化物尺寸先减小后增大;初生碳化物硬度增加,堆焊层宏观硬度先增加后降低;磨损后初生碳化物截断裂纹减少,剥落逐渐减少,其中30Mo试样出现了共晶碳化物的剥落。加入0.13%Mo后磨损失重减少了13.6%,加入0.30%Mo后磨损失重增加了20.0%。这是因为Mo原子的加入会提高初生碳化物的硬度,但是初生碳化物含量在减少,从而导致了堆焊层硬度先升高后降低,磨损失重量先减小后增大。研究结果对高铬铸铁堆焊层制备过程中选择适宜的Mo添加量提供了指导。试验设计了Mo质量分数为0.04%~0.30%的3个试样,结果表明,初生碳化物出现了先细化后粗化的趋势,对这部分变化的趋势还有待进一步细化研究。

摘要：压驱技术是近年来针对低渗透油藏高效开发而提出的一种增加储层动用程度、提高原油采收率的储层改造技术。压驱技术先通过高压小排量向地层注入大量携带化学剂的液体,然后进行焖井,通过压力的扩散和化学剂与裂缝孔隙中的原油充分置换而达到增产的目的。文中结合国内外压驱技术的最新研究动态,从压驱技术现状、设计原则、设计方法、应用分析及发展趋势等方面展开论述,重点分析了压驱技术与水力压裂技术的区别、增产机理和设计方法以及现场应用效果等,同时也指出了当前压驱技术理论研究方面的欠缺,展望了该技术的发展趋势和应用前景。

摘要：锂离子电池作为便携式电子产品和电动汽车的“心脏”,在推动人类社会的无化石燃料化中发挥着至关重要的作用。然而,在低温条件下(0℃及以下)充电时,锂离子电池电极极化急剧增大,导致了严重的析锂问题。通过合理设计低温电解液,降低低温充电时电极极化,并构建稳定的电解液-电极界面,可以有效遏制析锂及其对锂离子电池带来的不利影响。本文首先阐释了低温下锂离子电池析锂的形成机制,并指出低温电解液的设计是改善锂离子电池低温析锂行为的有效途径。接着,本文进一步介绍了缓解低温析锂问题的几种电解液设计策略,包括降低去溶剂化能垒的弱溶剂化电解液和共嵌入电解液、衍生低阻抗固态电解质界面膜(SEI)的局部高盐电解液以及钝化析锂的羧酸酯基高盐电解液,同时比较了这些策略的优劣势。最后,结合现有研究成果,展望了电解液调控低温析锂行为的未来研究方向,提出了发展实时析锂预警方法、采用实用化条件评估电解液抑制低温析锂能力以及设计兼顾电化学动力学和界面稳定性的高比能硅碳负极用低温电解液,以望实现低温锂离子电池的高容量发挥和长循环寿命。

摘要：热疗天线由于体积较大,辐射的微波能量范围也较大,天线设计使用较为复杂,不适用于治疗体积较小的肿瘤。针对这一问题设计了一种小型化波导热疗天线来治疗小体积肿瘤,考虑到透热深度与天线体积的兼顾,选用了915 MHz的中心频率,使用混合小型化技术将天线小型化,即通过对天线加脊的同时加入短路探针将天线半径缩小到了19 mm,其高为36 mm。比吸收率仿真时馈入1 W的能量最高点能够达到45 W/kg,温度场仿真时馈入20 W能量加热30分钟后最热的区域温度可达45℃,体模实验结果与仿真实验相吻合,这些实验结果均表明其能够达到治疗乳房内部肿瘤的效果。

摘要：地震资料分辨率直接影响后续处理和解释成果精度,因此备受关注。深度学习方法具备自动提取深层特征和出色的非线性逼近能力,在反问题求解中广泛应用。在地震勘探领域,深度卷积网络中的卷积算子与地震数据的褶积模型相吻合,因而有望通过智能化手段显著提升地震资料的分辨率。目前,针对卷积神经网络提高地震资料分辨率方面的研究发展迅速,但问题的核心在于设计适合、有效的网络结构和损失函数。为此,提出一种基于强监督学习的地震资料高分辨率处理方法。该方法充分利用地下结构的空间连续性,借鉴图像超分辨率重建的思想,设计了一种生成对抗网络结构,用以提高地震资料的纵向分辨率;同时,采用L1损失和多尺度结构相似性(MS-SSIM)损失相结合的损失函数提高感知质量,以提高网络的高分辨率处理效果。合成数据和实际地震数据的应用结果显示,相较于常规损失函数,文中采用的损失函数可以显著提升智能算法的处理效果,明显改善地震数据同相轴的连续性,且高频细节信息更丰富,验证了该方法的可行性和有效性。

摘要：近年来,图像生成技术取得了令人瞩目的发展,目前的图像生成方法大多以像素填充的方式生成图像,缺乏艺术家逐笔绘制的过程,使其在局部笔触细节与纹理上与真实艺术作品有所不同.神经绘画致力于模仿人类艺术家以画笔为单位,逐笔绘制的作画过程.现有的神经绘画方法大多使用贝塞尔曲线或者笔触模板进行仿射变换来模拟真实笔触.然而,贝塞尔曲线纹理的缺乏以及仿射变换的线性性质,导致生成的笔触在纹理或者形状上存在较大的限制.为了更好地模拟真实笔触的纹理与形状,本文提出了新的基于薄板样条插值的弯曲笔触参数模型,通过对真实笔触模板先后进行弯曲与仿射变换,可以生成更加真实、多样的笔触图像.此外,本文提出了层次化的笔触优化方法,将整幅图像分解为由大到小的多个笔触,能够有效提升模型对图像整体架构与局部细节的绘画能力.最后,本文将提出的方法拓展至风格迁移中,实现了较好的风格迁移效果.定性与定量的实验表明,本文所提出的新的笔触模型与优化方法在神经绘画及风格化任务中都超越了已有的最佳模型.

摘要：【目的】位于若尔盖高原的黑河和白河同属黄河上游一级支流,在高寒湿地水文对比研究方面颇具代表性。【方法】按水量平衡原理,采用SWAT模型对黑河和白河流域山地系统出流进行模拟,以此作为平原区湿地的横向补给量;结合降水和蒸散发等垂向水文动态,就两河流域湿地水文过程进行分析;再根据湿地土壤水文物理属性估算其静储量;上述动、静储量相结合,就两河流域湿地水文蓄调的年际变化及其功能进行综合研究。【结果】结果显示:2001—2015年间,黑河流域湿地蓄水累计增持19.48亿m^(3);白河流域湿地蓄水累计减持23.08亿m^(3);黑白河流域湿地静储量分别为20.06亿m^(3)和4.59亿m^(3),泥炭沼泽土静储量最大,永冻土静储量最小;统计期间,湿地蓄调功能指数在黑、白河流域均呈降低趋势,黑河湿地的指数降幅高于白河。【结论】结果表明:SWAT模型在黑、白河流域的适用性良好;研究时段内,黑河流域湿地蓄水总体呈增加状态,白河流域湿地蓄水总体呈减少状态;湿地土壤类型和面积大小是影响静储量的关键因素;黑、白河流域湿地蓄持功能总体发生蜕减。研究可为高寒湿地水文蓄调能力提升暨湿地保护提供方法和数据参考。

摘要：边缘计算(Edge Computing,EC)将计算、存储等资源部署在网络边缘,以满足业务对时延和能耗的要求。计算卸载是EC中的关键技术之一。现有的计算卸载方法在估计任务排队时延时使用M/M/1/∞/∞/FCFS或M/M/n/∞/∞/FCFS排队模型,未考虑高时延敏感型任务的优先执行问题,使得一些对时延要求不敏感的计算任务长期占用计算资源,导致系统的时延开销过大。此外,现有的经验重放方法大多采用随机采样方式,该方式不能区分经验的优劣,造成经验利用率低,神经网络收敛速度慢。基于确定性策略深度强化学习(Deep Reinforcement Learning,DRL)的计算卸载方法存在智能体对环境的探索能力弱和鲁棒性低等问题,降低了求解计算卸载问题的精度。为解决以上问题,考虑边缘计算中多任务移动设备、多边缘服务器的计算卸载场景,以最小化系统时延和能耗联合开销为目标,研究任务调度与卸载决策问题,并提出了基于非抢占式优先排队和优先经验重放DRL的计算卸载方法(Computation Offloading qUeuing pRioritIzed Experience Replay DRL,COURIER)。COURIER针对任务调度问题,设计了非抢占式优先排队模型(M/M/n/∞/∞/NPR)以优化任务的排队时延;针对卸载决策问题,基于软演员-评论家(Soft Actor Critic,SAC)提出了优先经验重放SAC的卸载决策机制,该机制在目标函数中加入信息熵,使智能体采取随机策略,同时优化机制中的经验采样方式以加快网络的收敛速度。仿真实验结果表明,COURIER能有效降低EC系统时延和能耗联合开销。